dc.contributor.advisor | Anisa, Rahma | |
dc.contributor.advisor | Sartono, Bagus | |
dc.contributor.author | Wahyuningsih, Retno | |
dc.date.accessioned | 2021-12-29T02:51:55Z | |
dc.date.available | 2021-12-29T02:51:55Z | |
dc.date.issued | 2021 | |
dc.identifier.uri | http://repository.ipb.ac.id/handle/123456789/110359 | |
dc.description.abstract | Indonesia merupakan negara dengan jumlah penduduk terbanyak keempat di
dunia dan termasuk kategori negara berkembang. Sebagai negara berkembang salah
satu permasalahan yang ada di Indonesia adalah masalah kemiskinan. Provinsi Jawa
Tengah menempati posisi kedua sebagai provinsi dengan jumlah penduduk miskin
terbanyak di Indonesia pada tahun 2019. Selama lima tahun terakhir persentase
kemiskinan di Jawa Tengah mengalami penurunan, akan tetapi pada awal tahun
2020 persentase kemiskinan di Jawa Tengah kembali meningkat. Analisis regresi
linier dapat diterapkan pada data kemiskinan di Jawa Tengah untuk mengetahui
peubah-peubah yang berpengaruh terhadap tingkat kemiskinan di Jawa Tengah.
Salah satu permasalahan yang sering muncul dalam analisis regresi linier adalah
adanya korelasi yang tinggi antarpeubah bebas (multikolinearitas).
Multikolinearitas dapat mempengaruhi pendugaan metode kuadrat terkecil (MKT).
Peubah pada data kemiskinan di Jawa Tengah mengalami masalah multikolinearitas
sehingga pada penelitian ini dilakukan pendekatan dengan metode Least Absolute
Shrinkage and Selection Operator (LASSO) untuk mengatasinya. Metode LASSO
dapat menyusutkan koefisien MKT tepat nol sehingga dapat melakukan seleksi
peubah. Model yang dihasilkan metode LASSO lebih sederhana dan secara tidak
langsung bebas dari multikolinearitas. Berdasarkan hasil pada penelitian ini, peubah
yang masuk ke dalam model LASSO yaitu indeks pembangunan manusia, upah
minimum kabupaten, dan pengeluaran pemerintah. | id |
dc.description.abstract | Indonesia is the fourth most populous country in the world and belongs to the
category of developing countries. As a developing country, one of the problems in
Indonesia is poverty. Central Java province was on the second position as the
province with the highest number of poor people in Indonesia in 2019. During the
last five years the percentage of poverty in Central Java has decreased, but in the
beginning of 2020 the percentage of poverty in Central Java has increased again.
Linear regression analysis can be applied on poverty data in Central Java to
determine the variables that affecting the poverty level in Central Java. One of the
problems common in linear regression analysis is the high correlation between
independent variables (multicollinearity). In order to handle multicollinearity
problem in the poverty dataset in Central Java, the Least Absolute Shrinkage and
Selection Operator (LASSO) method in used in this research. The LASSO method
can reduce the value of OLS coefficient into zero, this can be the considered as
variable selection. Furthermore, the model produced by the LASSO method is quite
simpler and indirectly free from multicollinearity. The result show that the variables
included in the LASSO model are human development index, district minimum
wages, and government spending. | id |
dc.language.iso | id | id |
dc.publisher | IPB University | id |
dc.title | Penerapan LASSO untuk Mengidentifikasi Peubah yang Berpengaruh Terhadap Tingkat Kemiskinan di Jawa Tengah | id |
dc.type | Undergraduate Thesis | id |
dc.subject.keyword | LASSO | id |
dc.subject.keyword | linear regression | id |
dc.subject.keyword | multicollinearity | id |
dc.subject.keyword | poverty | id |